MétaCan
Menu
Retour à la cohorte
Enregistrement W4280578312 · doi:10.1149/1945-7111/ac707f

Frequency Analysis of Water Electrolysis Current Fluctuations in a PEM Flow Cell: Insights into Bubble Nucleation and Detachment

2022· article· en· W4280578312 sur OpenAlexaff
Jason Tai Hong Kwan, Amin Nouri-Khorasani, Arman Bonakdarpour, Daniel G. McClement, Greg Afonso, David P. Wilkinson

Notice bibliographique

RevueJournal of The Electrochemical Society · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBubbleCurrent (fluid)ElectrolyteCurrent collectorMaterials scienceElectrolysisElectrolytic cellAnalytical Chemistry (journal)Polarization (electrochemistry)Proton exchange membrane fuel cellMechanicsChemistryElectrodeThermodynamicsMembraneChromatographyPhysics

Résumé

récupéré en direct d'OpenAlex

A cross-shaped transparent electrolysis flow cell was designed to simultaneously perform polarization experiments to about 2 A cm−2while monitoring the current response due to bubble formation and detachment. The flow cell was designed in order to accommodate a large electrolyte flow and have flow conditions similar to a PEM electrolyzer. Ir foil experiments using rapid electrochemical cycling techniques were performed first as a quality control measure for cell functionality. Literature quality cyclic voltammograms were obtained, with the anodically formed iridium oxide film growth plateauing after 1000 cycles. The performance of four different Ti current collector meshes were evaluated using a commercial IrO2CCM using 3.5 M H2SO4at 21 ± 0.5°C. The best performing current collector mesh had the largest triple-phase boundary (TPB) length of 56 mm and a porosity of 52%. Using Fourier Transform analysis, the bubble ratios for different current collector and frequency regimes were obtained. The lowest frequency bubble analysis (< 1 Hz) showed the best correlation with the performance of the different meshes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,211
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207